| Müfredat Adı | Ders Kodu | Ders Adı | Ders Türü | Dönem | AKTS | Teorik | Uygulama |
| Ekonometri - 2013 | EKM4018 | Öngörü Teknikleri | Seçmeli | 7 | 3,00 | 2 | 0 |
Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi
Programlar Hakkında Bilgi
Lisans - İktisat Fakültesi - Ekonometri
Dersin İçeriği
Dersin Amacı
Dersin genel amacı, öğrencinin zaman serilerinin öngörüsü için gerekli olan teknikleri ve yöntemleri anlamasını sağlamaktır. Ders, temel öngörü teknikleri; tek değişkenli, tek denklemli ve ve çok denklemli öngörü modelleri, faklı öngörü modelleri arasından en iyi modelin seçimi konularını kapsamaktadır. Teorik bilgilerin, uygulamalı olarak genişletilmesini sağlamak amacı ile makro ekonomik ve finansal verilere uygulamasının yapılması, bu dersin bütünleyicisidir."
Öğrenim Türü
-
Dersin İçeriği
Box Jenkins ve Volatilite Modelleri
Planlanan Öğrenme Aktiviteleri ve Metodları
Teorik Konu Anlatımı Uygulamalı Anlatım Soru-Cevap Araştırma Öğrenci Merkezli Anlatım
Staj Durumu
Zorunlu staj yoktur.
Dersin Sunulduğu Dil
Türkçe
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Applied Time Series Modelling and Forecasting, Harris, R. ve R. Sollis, John Willey and Sons, Inc., 2003 (HS) Elements of Forecasting, Diebold, F.X., 4th. Edn, South-Western College Pub., 2006. (D)
Dersin Web Sayfası
-
Öğrenme Çıktıları
- Öngörü başarı kriterleri, öngörü değerlendirme ve model seçme konularında yeterli bilgiye sahip olurlar.
- VAR modelleri ile öngörü yapabilirler.
- ARCH ve GARCH modelleri ile öngörü yapabilirler.
- Mevsimsel ARIMA modelleri ile öngörü yapabilirler.
- Öngörü tekniklerinin temelleri hakkında bilgi sahibi olurlar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik |
|---|---|
| 1 | Giriş/ öngörünün önemi, öngörü model tipleri, öngörü metodolojisi |
| 2 | öngörü tekniklelerinin temelleri / temel öngörü teknikleri |
| 3 | zaman serisi verinin düzleştirilmesi ve öngörü |
| 4 | trendi modelleme ve öngörü, basit modellerle öngörü |
| 5 | doğrusal modeller ve öngörü / causal regression models and forecasting |
| 6 | Laboratuvar |
| 7 | mevsimselliği modelleme ve mevsimselliğin öngörüsü |
| 8 | Ara Sınav Haftası |
| 9 | tek değişkenli Box-Jenkins modelleri ve öngörü /AR-MA-ARMA modelleri ile öngörü |
| 10 | Mevsimsel ARIMA modelleri ile öngörü |
| 11 | ARCH ve GARCH modelleri ile öngörü |
| 12 | Laboratuvar |
| 13 | VAR modelleri ile öngörü |
| 14 | Öngörü başarı kriterleri, öngörü değerlendirme ve model seçme |
| 15 | Laboratuvar |
| 16 | Ders Çalışma Haftası |
| 17 | Yarı Yıl Sonu Sınavı |
Değerlendirme
| Değerlendirme | Değer |
|---|---|
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Değer |
| Final Sınavı | 100 |
Öğrenci İş Yükü Hesabı
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ders Öncesi/Sonrası Bireysel Çalışma | 16 | 1 | 16 |
| Arasınav ve Hazırlığı | 16 | 1 | 16 |
| Final ve Hazırlığı | 16 | 2 | 32 |
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ1 | |||||||||||||||
| ÖÇ2 | |||||||||||||||
| ÖÇ3 | |||||||||||||||
| ÖÇ4 | |||||||||||||||
| ÖÇ5 |